基于點(diǎn)對(duì)約束和三角形網(wǎng)的有變化區(qū)域的合成孔徑雷達(dá)圖像配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及圖像配準(zhǔn)，特別是一種基于點(diǎn)對(duì)約束和H角 形網(wǎng)的有變化區(qū)域的合成孔徑雷達(dá)圖像配準(zhǔn)方法，可用于SAR影像的變化檢測(cè)、融合、拼接 等方面的前期配準(zhǔn)工作。
【背景技術(shù)】
[0002] 合成孔徑雷達(dá)（SAR)技術(shù)W其對(duì)目標(biāo)的良好識(shí)別特性及高分辨、全天候、全天時(shí)等 特點(diǎn)在軍事、環(huán)境監(jiān)測(cè)等方面有著重要應(yīng)用。在對(duì)SAR圖像進(jìn)行拼接、融合、變化檢測(cè)等操 作前，需將來(lái)自同一地區(qū)、在相同時(shí)間不同視點(diǎn)或同一傳感器不同時(shí)間獲取的圖像在空間 上進(jìn)行配準(zhǔn)，消除因獲取圖像的時(shí)間、角度、環(huán)境和傳感器成像機(jī)理的不同造成圖像間的平 移、旋轉(zhuǎn)、伸縮及局部形變等問(wèn)題。
[0003] 1992 年L.G.化own在綜述"ASurveyofImageRegistrationTechniques^ACM ComputingSurveys, 1992,vol.24,no. 4,pp. 325-376)中指出，所有的圖像配準(zhǔn)技術(shù)都應(yīng)包 含特征空間、搜索空間、搜索策略和相似性測(cè)度四個(gè)方面。特征空間指圖像中用于搜索匹配 的對(duì)象集合；而每一次搜索的匹配程度是W相似性測(cè)度作為評(píng)價(jià)標(biāo)準(zhǔn)的，因而相似性測(cè)度 直接關(guān)系到配準(zhǔn)的精確度；搜索空間是搜索匹配得到的所有圖像變換參數(shù)所組成的空間； 搜索策略則是在相似性測(cè)度下搜索最優(yōu)匹配參數(shù)時(shí)所采取的優(yōu)化策略。SAR圖像配準(zhǔn)的過(guò) 程一般為首先確定特征空間和搜索空間，然后W特征空間為基礎(chǔ)設(shè)計(jì)并采用某種相似性測(cè) 度，按照一定的搜索策略搜索最佳匹配變換參數(shù)，并將其帶入圖像變換模型從而達(dá)到配準(zhǔn) 的目的。
[0004] 根據(jù)特征空間的不用，SAR配準(zhǔn)算法一般可W分為兩類(lèi)：即基于灰度特征的配準(zhǔn) 和基于特征的配準(zhǔn)。大部分基于灰度特征的方法一般直接利用整幅圖像的灰度信息，通過(guò) 建立某種像素間的相似性測(cè)度來(lái)衡量?jī)煞鶊D像重疊部分地表反射屬性的匹配程度，進(jìn)而尋 找到最優(yōu)匹配時(shí)的平移、旋轉(zhuǎn)和伸縮等變換參數(shù)。在利用它們進(jìn)行SAR圖像的配準(zhǔn)時(shí)，容易 受到SAR圖像成像原理導(dǎo)致的灰度差異及噪聲的影響。
[0005] 基于特征的圖像配準(zhǔn)方法能夠解決存在較大幾何崎變及灰度信息差別的SAR圖 像間的配準(zhǔn)問(wèn)題。常用的圖像特征有；特征點(diǎn)(包括角點(diǎn)、高曲率點(diǎn)等)、直線(xiàn)段、邊緣、輪廓、 閉合區(qū)域、特征結(jié)構(gòu)等?；谔卣鞯呐錅?zhǔn)方法則首先需要對(duì)待配準(zhǔn)圖像提取特征點(diǎn)、邊緣 等，然后進(jìn)行對(duì)應(yīng)特征對(duì)或特征集之間的搜索匹配，進(jìn)而得到圖像變換參數(shù)。其中，基于邊 緣特征的配準(zhǔn)方法需利用一些邊緣檢測(cè)算子進(jìn)行邊緣特征提取，再對(duì)提取的邊緣進(jìn)行匹 配，但往往由于提取的邊緣過(guò)于瑣碎，不能很好地體現(xiàn)圖像中的結(jié)構(gòu)特征，對(duì)后續(xù)匹配精度 和速度造成影響。
[0006] 點(diǎn)特征相對(duì)于線(xiàn)、面等特征有著易于提取、速度快、精度高、穩(wěn)定性好等許多方面 的優(yōu)勢(shì)而有著更廣泛的應(yīng)用?；谔卣鼽c(diǎn)的方法基本步驟可概括為：特征點(diǎn)的提取、特征空 間的建立、特征點(diǎn)的匹配、誤匹配去除、變換模型選擇及參數(shù)求取及圖像變換與插值。常用 點(diǎn)特征方法如Harris、SUSAN等角點(diǎn)，及局部不變特征算子提取的特征點(diǎn)等。其中局部不變 特征具有或尺度不變或仿射不變的特性，對(duì)圖像的縮放、旋轉(zhuǎn)、仿射扭曲、光照變換等都具 有較強(qiáng)的穩(wěn)定性。
[0007] 1999 年D.Lowe在文獻(xiàn)"Objectrecognitionfromlocalscale-invariant features'，（InternationalConferenceonComputerVision,Corfu,Greece,pp. 1150 -1157)首次提出的SIFT(Scale-InvariantFea1:ureTransform)算法，并于 2004 在文 獻(xiàn)"Distinctiveimagefeaturesfromscale-invariantkeypoints'，（Int.J.Comput. Vis.，vol. 60,no. 2,pp. 91 - 110,Nov. 2004.)中進(jìn)行完善。許多局部特征描述符算法都是在 SIFT基礎(chǔ)上改進(jìn)的。SIFT生成圖像特征的主要步驟概括為；1)尺度空間極值點(diǎn)提?。?)極 值點(diǎn)定位；3)方向分配；4)關(guān)鍵點(diǎn)描述。SIFT在較小旋轉(zhuǎn)角度下具有較強(qiáng)的旋轉(zhuǎn)、尺度不 變性，歸一化后還對(duì)光照變化魯棒。但由于SIFT采用了一個(gè)128維的向量來(lái)描述特征點(diǎn)， 在特征點(diǎn)較多的情況下增加了運(yùn)算代價(jià)，且在尋找最佳匹配時(shí)需要特征間具有較好的區(qū)分 度。
[0008] 2006 年HerbertBay等在文獻(xiàn)"SURF:SpeededUpRobust化3化'63"(gth EluropeanConferenceonComputerVision，ECCV2006,Parti,LNCS3951,pp. 404 - 417)中 首次提出SURF(Speeded化RobustFeaUires)描述子，并于 2008 年在文獻(xiàn)"SURF:Speeded UpRobustFeatures"(InternationalJournalonComputerVisionandImage 化derstanding，IJCV2008,vol. 110,no. 3,卵.346 - 359)中對(duì)SURF進(jìn)行了總結(jié)和改進(jìn)，將 SURF的主要步驟概括為；（1)獲取積分圖；（2)求取近似化ssian矩陣；（3)定位特征點(diǎn)； (4)確定特征點(diǎn)的方向特征；（5)構(gòu)建特征描述向量。它利用化ar小波來(lái)近似SIFT方法中 的梯度操作，同時(shí)利用積分圖技術(shù)進(jìn)行快速計(jì)算，得到了具有64維的描述符。SURF的速度 是SIFT的3-7倍，大部分情況下它和SIFT的性能相當(dāng)，因此它在很多應(yīng)用中得到了應(yīng)用， 尤其是對(duì)運(yùn)行時(shí)間要求高的場(chǎng)合。但在旋轉(zhuǎn)角度太大情況下，SURF的特征點(diǎn)匹配效果較差。
[0009] 通過(guò)相關(guān)算子提取特征點(diǎn)后，通常需要構(gòu)造相應(yīng)的匹配準(zhǔn)則來(lái)匹配特征點(diǎn)，并盡 可能地在保持正確匹配特征點(diǎn)對(duì)的同時(shí)去除誤匹配。常用的特征點(diǎn)匹配準(zhǔn)則主要有歐式 距離最近（順)準(zhǔn)則、最近距離比值（NNDR)準(zhǔn)則等。其中順匹配準(zhǔn)則容易產(chǎn)生特征點(diǎn)間"多 對(duì)一"情況；而NNDR準(zhǔn)則對(duì)闊值參數(shù)設(shè)置敏感，有時(shí)得不到足夠多的匹配點(diǎn)對(duì)。常用的誤 匹配去除方法為隨機(jī)采樣一致性（RANSAC)，它通過(guò)對(duì)特征點(diǎn)進(jìn)行多次迭代擬合來(lái)去除離群 的特征點(diǎn)所在的特征點(diǎn)對(duì)，需要保證的初始正確匹配特征點(diǎn)對(duì)比例足夠大，在特征點(diǎn)較多 情況下匹配精度提升有限。
[0010] 上述多數(shù)方法僅對(duì)兩幅圖中的特征點(diǎn)進(jìn)行匹配，卻忽視了同一圖像內(nèi)的特征點(diǎn) 間的幾何分布特性。2006年XinKang等人在文獻(xiàn)"AutomaticSARImageRegistration byUsingElementTriangleInvariants'，（Inproceedingof:9thInternational ConferenceonInformationF^ision,ICIP2006,Aug. 2006)中將SAR圖像中的強(qiáng)散射點(diǎn)作 為特征點(diǎn)，構(gòu)建DelaunayH角形網(wǎng)，對(duì)每個(gè)H角形分別計(jì)算其質(zhì)也，將該H角形分為3個(gè)小 H角形，將每個(gè)小H角形的仿射時(shí)不變量作為該質(zhì)也的一種描述，用于匹配，得到最終的匹 配特征點(diǎn)對(duì)用于求取變換矩陣和配準(zhǔn)圖。但由于特征點(diǎn)位置一旦確定，對(duì)應(yīng)的H角形網(wǎng)中 的H角形也隨之確定，該限制了特征點(diǎn)的匹配精度，達(dá)不到最佳的配準(zhǔn)結(jié)果。
[0011] 2010 年RuiruiWang等人在文獻(xiàn)"ThenormalizedSIFTbasedon visualmatchingwindowandstructuralinformationformulti-optical imageryregistration"(InternationalGeoscienceandRemoteSensing Symposium,IGARSS2010,pp. 999-1002)中介紹了一種基于視覺(jué)匹配窗和結(jié)構(gòu)信息的歸一 化SIFT特征點(diǎn)配準(zhǔn)方法，對(duì)光學(xué)圖像的配準(zhǔn)得到了較好的效果。其主要思想是用H角形的 仿射變換后對(duì)應(yīng)邊成比例的特性對(duì)特征點(diǎn)進(jìn)行闊值約束，但它需保證有兩個(gè)正確的匹配點(diǎn) 對(duì)，然后用其來(lái)尋找滿(mǎn)足約束的其他點(diǎn)對(duì)，該里闊值參數(shù)的設(shè)定需要相關(guān)經(jīng)驗(yàn)。
[0012] 2012 年化ng-Mei化ang等人在文獻(xiàn)"Anewfastmulti-sourceremotesensing imageregistrationalgorithm'，（AdvancedMaterialsResearch,v452-453,pp. 950-953 ,2012)中介紹了一種利用SIFT提取特征點(diǎn)，通過(guò)Delaunays角網(wǎng)去除誤匹配點(diǎn)，并引入距 離計(jì)算來(lái)決定相似控制點(diǎn)對(duì)的方法用于含有較少平移、旋轉(zhuǎn)和背景噪聲的多光譜或全彩色 圖的配準(zhǔn)，提升了配準(zhǔn)速度和精度。該方法在較大尺度和旋轉(zhuǎn)情況或噪聲的SAR圖像配準(zhǔn) 情況下的性能仍需進(jìn)一步驗(yàn)證。
[0013] W上配準(zhǔn)方法主要是針對(duì)不同照明條件、不同視角、不同場(chǎng)景或不同尺度下、不同 數(shù)據(jù)類(lèi)型的自然圖像或光譜遙感圖像，要求圖像間具有容易提取的幾何特征或區(qū)分度較 高的特征點(diǎn)用于匹配，對(duì)于有著大量相干斑噪聲的、且不同時(shí)相間圖像存在剛性的地物變 化的SAR圖像配準(zhǔn)，則W上方法難W適用。常見(jiàn)的有變化區(qū)域的遙感圖像的配準(zhǔn)大多是基 于地面控制點(diǎn)的配準(zhǔn)，但是地面控制點(diǎn)數(shù)據(jù)的獲取受各種因素影響，對(duì)于已有的多時(shí)相遙 感圖像常常是沒(méi)有或者缺少地面控制點(diǎn)數(shù)據(jù)。不采用地面控制點(diǎn)數(shù)據(jù)的有變化區(qū)域的遙感 圖像配